Para mejorar la eficiencia de la inspección con vehículos aéreos no tripulados (UAV) en múltiples regiones, este documento propone una estrategia de planificación de tareas compuesta que integra el algoritmo genético K-Means++ (KMGA) y el método de programación dinámica iterativa de múltiples vecindarios (MNIDP). En primer lugar, el problema de inspección multi-UAV en múltiples regiones se modela como un problema de vendedores ambulantes múltiples con vecindarios (MTSPN). Luego, este problema se descompone en dos subproblemas interrelacionados para mitigar la complejidad inherente al proceso de solución: es decir, el problema de vendedores ambulantes múltiples (MTSP) y el problema de planificación de caminos en múltiples vecindarios (MNPP). Basado en esta descomposición, el MTSP se resuelve mediante el KMGA convirtiéndolo en m problemas de vendedores ambulantes (TSP) espacialmente no superpuestos y luego estos TSP se resuelven para obtener las secuencias de visita óptimas aproximadas para los nodos en cada TSP en un corto tiempo. Posteriormente, el MNPP puede ser resuelto de manera eficiente por un MNIDP que planifica los caminos entre el vecindario correspondiente de cada nodo basado en las secuencias de visita de los nodos, obteniendo así la longitud de camino óptima aproximada del MTSPN. Los resultados de la simulación demuestran que la estrategia compuesta propuesta exhibe ventajas en eficiencia computacional y longitud de camino óptima. Específicamente, en comparación con el algoritmo base, la longitud promedio del recorrido obtenida por el KMGA disminuyó en un 23.24%. Mientras tanto, las longitudes promedio de los caminos calculadas por el MNIDP en tres instancias se redujeron de un 8.00% a un 11.41% y de un 6.46% a un 10.08% en comparación con dos algoritmos base, respectivamente. Proporciona una solución eficiente de planificación de tareas y caminos para operaciones multi-UAV en inspecciones de líneas de transmisión de energía, mejorando así la eficiencia de la inspección.